如果問醫(yī)生想要哪種形式的人工智能，答案很可能是電子病歷語音轉錄。國內的語音識別技術直到最近兩三年才取得突飛猛進式的發(fā)展，識別準確率從80%多提升到了95%以上，達到了實用化的水準，并逐漸發(fā)展出了面向醫(yī)療等行業(yè)的定制化模型。目前，國內從事語音技術的企業(yè)還相對較少，掌握語音核心技術的公司更是有限。

為何如此期待電子病歷語音轉錄？

1 節(jié)省手寫病歷的時間

國內醫(yī)生除了跟病人溝通交流，還要花費大量時間和精力書寫病歷和醫(yī)療文書。利用語音識別技術將醫(yī)生和病人的對話自動轉錄成文本，可以幫助醫(yī)生騰出時間來為更多患者服務，提升工作效率。

2 為醫(yī)患糾紛提供材料佐證

醫(yī)患糾紛是醫(yī)療行業(yè)的一大難題，一旦出現醫(yī)患糾紛。醫(yī)院現有的HIMSS系統(tǒng)只能記錄患者的基本信息，簡單描述患者的基本癥狀，以及醫(yī)生用了什么藥。這種記錄的完整性還遠遠不夠。語音錄入病歷不僅是將醫(yī)生和病人的對話轉成文字和結構化的數據進行存儲，便于后期查詢和智能化分析，同時也會作為處理醫(yī)患糾紛的證明材料。

3 緩解醫(yī)療資源不足

國內的病人看病都喜歡去大醫(yī)院掛專家號，但專家號很難掛，原因在于醫(yī)療資源不足。假如我們利用結構化的醫(yī)療數據搭建一個醫(yī)療大數據平臺，讓經驗不足的醫(yī)生可以通過它學習專家的診斷經驗，培養(yǎng)更多的醫(yī)學人才，就能在一定程度上緩解國內醫(yī)療資源不足和不均衡的問題。

國內市場不容樂觀

1.國內語音識別技術起步較晚有關

2.國內的醫(yī)療資源稀缺

3.醫(yī)院之間的數據鏈路也很難打通

如何解決這一困境？

現在大多數語音識別公司采用的都是深度學習算法，各家在語音識別基礎算法的差距并不會特別大，主要的差距在于數據的規(guī)模、歸集和行業(yè)化的定制。通常掌握的數據規(guī)模越大，加上資金和人力方面的優(yōu)勢，可以做適應性更強的語音識別模型。雖然目前語音轉錄病歷還處于市場培育階段，但是我們相信未來發(fā)展會非常迅速，這片市場未來規(guī)模也值得我們關注。